車東西 文 | Bear

4月19日，由車東西與2019上海車展承辦方——上海市國際展覽有限公司（SIEC）聯合舉辦的GTIC 2019全球智能汽車供應鏈創新峰會在2019上海車展同期舉辦，大會邀請到來自學術界、整車企業、零部件企業、互聯網公司、新興自動駕駛公司和人工智能公司等智能汽車供應鏈領域的15位嘉賓登臺，探討智能汽車時代的供應鏈創新與出行變革。

地平線市場拓展與戰略規劃副總裁李星宇在峰會上發表了《計算未來——新一代自動駕駛芯片帶來感知與定位技術新突破》主題演講。

他認為，如今的汽車產業正朝著軟件化的方向發展，汽車正在成為有史以來最複雜的信息產品，為了適配自動駕駛功能與智能化的要求，汽車的電子架構正在以ECU為單位進行著自下而上的重構。

地平線針對自動駕駛汽車推出了“征程”系列自動駕駛芯片，以及基於征程2.0處理器架構的地平線Matrix自動駕駛計算平臺，並推出了軟硬件一體的解決方案，大大提升了自動駕駛芯片的有效算力。

此外，李星宇還介紹了地平線最新的基於單目攝像頭的高精地圖解決方案。通過這一方案，地平線以較低成本實現了對高精度地圖以小時為單位的更新頻率，滿足了高等級自動駕駛汽車對實時高精地圖要求。

一、汽車電子架構走向集中式 L5級自動駕駛需要1000TOPS算力驅動

開場，李星宇就拋出了一個觀點，他認為，汽車正在成為有史以來最複雜的信息產品。

在汽車智能化的浪潮下，汽車電子正在朝著軟件化的方向發展，目前，一輛高端智能汽車的軟件代碼已經達到了2-3億行，大幅超越了此前的任何一代互聯網產品。

而未來L5級自動駕駛汽車的代碼量將可能達到10億行，其所需要的算力將超過1000TOPS，李星宇將其稱之為有史以來最複雜的信息產品。

在過去的20年裡，汽車的電子化程度也在逐漸加深。上世紀末，汽車上的MCU數量一般不到10個，而今，智能化汽車的MCU平均數量早已達到了100個以上，高端的智能汽車甚至擁有超過300個MCU。

李星宇表示，智能汽車產業變革的速度是日新月異的，如今汽車數百個MCU的電子架構按照早期分佈式，基於CAN、LIN等通信的計算架構已經越來越難以協同。

現在汽車上的每個ECU都有著自己的開發環境，以及不同的計算架構，這些ECU往往是由不同的供應商提供。這樣的合作方式使得所有功能的整合效率變得非常低下，難以協同。

李星宇舉例說道，哪怕是簡單的ACC功能、AEB功能的合併都非常的不容易，因為這兩個功能分別來自兩家供應商提供的控制器，除非主機廠能夠完全理解這兩個系統，否則就有可能出現邏輯功能上的碰撞，造成極其嚴重的後果。

但他認為，隨著汽車電子架構的不斷髮展演進，早期分佈式的ECU架構正在朝著中央集中式的EE架構發展。

現今，幾乎所有的主機廠和Tier1都在討論域控制器的設計，基於功能劃分的域控制器已經實現了相當程度的集中化，動力域、安全域、底盤域等域控制器技術已經趨於成熟。

李星宇表示，如果按照這個趨勢發展，總有一天，汽車的電子架構會走向完全融合，即通過一臺車載大腦控制汽車的所有功能，到那一天，智能汽車就變成了有著四個輪子的智能計算機與超級數據中心。

二、推自動駕駛芯片與計算平臺 Matrix平臺獲CES創新獎

在這一巨大變革下，汽車ECU的軟件開發與計算設計將會發生本質的改變，很可能藉由現在的垂直功能劃分轉向未來的水平模式——基於不同的功能層對其結構進行劃分。李星宇認為，這樣的機構將會更加開放，更加高效，將會為無數的應用提供高度一致的開發平臺。

但這種改變也對地平線這樣這樣的芯片公司提出了難題，李星宇以數據量化了這一概念，他表示，如果以自動駕駛的等級作為標準對芯片算力提出要求，那麼自動駕駛等級每提升一級，芯片的算力大概需要一個數量級的提升。

而L5級的自動駕駛汽車所需要的算力大概是1000TOPS，這一算力幾乎與人腦相當。即是說，汽車要達到完全的自動化，其車載大腦必須要達到人腦的智能水平。

目前，車載的人工智能還停留在感知智能階段，向後發展，車載人工智能將具備建模、預測、決策等等功能，每一步的前進都將對算力提出巨大的需求，在汽車智能化的浪潮下，其對於算力的要求幾乎是一個無法滿足的黑洞。

而在芯片算力方面，絕對的算力並不是對一款芯片性能的唯一衡量標準，儘管其可以作為芯片能力的上限提供一個衡量的指標，但真正重要的卻是芯片的有效算力。

李星宇表示，這與戰時的軍力衡量其實是一個道理，炮彈存量的多少隻能作為戰鬥力的一個標準，決定殺傷力的其實是火炮的口徑、射速以及火炮的精度，這與芯片的性能如何邏輯相同。

一款芯片算力利用率如何，能源轉化為算力的效率如何，計算的成本如何，算力轉化為AI輸出的效率如何，這些，才是決定有效算力的關鍵因素。

李星宇用天河二號舉例，他指出，天河二號的算力排名世界第一，但其背後的消耗是一年8000萬元人民幣。對於需要投入商用的L5級自動駕駛汽車來說，如此大的消耗是不合理的，也無法被主機廠和用戶所接受。

因此，地平線成立之初就意識到了要以有效算力為優先指標開發芯片，結合場景驅動，硬件與軟件結合的理念，該公司在2017年推出了第一代自動駕駛芯片——“征程”1.0芯片。

該系列芯片於2017年6月在臺積電完成流片，每秒可以處理30幀1080p的畫面，其功耗為1.5W，延時30ms，每幀可識別目標200個。

李星宇表示，今年，地平線將會推出第二代自動駕駛芯片，在第一代的基礎上，其效率將會有10倍的提升。

除此之外，地平線還在去年推出了基於征程2.0處理器架構的地平線Matrix自動駕駛計算平臺，該平臺在今年年初獲得了CES 創新獎，地平線也成為了2019年CES車輛智能與自動駕駛技術分類下唯一一家獲獎的中國公司。

李星宇還提到了地平線進行感知解決方案研發的策略，他指出，現在傳感器的更新換代還比較慢，平均每5年更新一代，但算法的更新卻受到摩爾定律的驅動，平均每18個月就更新一代。

在這樣的前提下，地平線選擇將“感知”解構，先對“知”的層面進行開發，採取這樣的策略，當新一代傳感器推向市場後，適配的多傳感器融合方案也能夠很快推出。

三、推出低成本實時高精地圖解決方案 採集更新只需一小時

隨後，李星宇向到場觀眾介紹了地平線最新的研究成果——NavNet實時高精度地圖解決方案。

他指出，目前市場上大部分高精地圖企業的解決方案都是基於激光雷達等一系列傳感器實現的，非常精準，但這一解決方案的最大問題就在於高成本。

這一問題使得這些公司的高精地圖採集車無法大規模鋪開，在採集效率上受到了非常大的限制。未來自動駕駛汽車對於高精地圖的依賴程度必然非常高，除了高精地圖的準確性，實時更新的效率也非常重要。

而對於傳統高精地圖供應商來說，整體更新一次的週期可能在一個季度以上，很難滿足未來自動駕駛汽車的要求。

針對高精地圖採集更新高成本低效率的問題，地平線推出了NavNet實時高精地圖的解決方案，這一解決方案僅依靠低成本的單目攝像頭就實現了高精度地圖的更新以及定位。

低成本的解決方案具備了大規模打入後裝及前裝市場的條件，一旦將這一方案大規模部署到車輛上，每輛車都能夠生成局部的高精地圖，再將數據上傳到雲端，由雲端進行彙總、清洗以及梳理的工作，從而生成實時的高精地圖傳回車輛。

李星宇表示，這一解決方案可在一小時內完成一個區域高精地圖的採集與更新。

在地平線的設想中，未來的每輛汽車不光是高精地圖的使用者，同時也是高精地圖的生成者。

結語：智能汽車的發展需整個汽車產業共同賦能

最後，李星宇表示，自動駕駛產業涉及的深度與廣度都是空前的，地平線所能做到的就是提供匹配自動駕駛技術的芯片以及軟硬件一體的解決方案，並通過開放的產業鏈，與合作伙伴之間的銜接變得更加高效。

在這一方面，地平線已經與博世、奧迪、SK等公司達成合作，共同推進商業化項目。

未來，不論是自動駕駛技術對於車外的感知，還是車內人工智能實現的人機交互，都將被整合成為一體化的解決方案。

而這一未來，需要整個汽車產業鏈的創新作為驅動力，為智能汽車的發展賦能。